第十章 遥感图像计算机信息提取.pptVIP

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第十章 遥感图像计算机信息提取

第十章 遥感图像计算机信息提取 10.1 遥感图像计算机分类的基本原理 10.2 监督分类和非监督分类 10.3 神经网络及其他分类方法 10.4 分类精度的评价和提高 10.5 遥感图像计算机信息提取的其他基本方法 10.1 遥感图像计算机分类的基本原理 遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,并用一定的手段将特征空间划分为互不重叠的子空间,然后将图像中的各个像元划归到各个子空间去。 特征—能够反映地物光谱信息和空间信息并可用于图像分类处理的变量 10.1 遥感图像计算机分类的基本原理 1.计算机判读:以计算机系统为支撑环境,利用模式识别技术与人工智能技术相结合,根据目标地物的影像特征(颜色、形状、纹理、空间位置),结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理,实现对遥感图象的理解,完成对遥感图象的解译. 2.模式:即某种实物的标准形式或使人可以照着做的标准样式。 举例:某地物的光谱特征曲线反映了该地物的反射特性,所以,该光谱特征曲线就是该地物的一个模式。 10.1 遥感图像计算机分类的基本原理 3.模式识别:即对需识别或分类的对象,进行一系列测量(例对未知类别的地物,测量它在等波长处的反射特性)然后将这一系列测量所构成的模式与已知类别的地物模式作比较,看它与那一个相同或相似,即判认它是属于哪一个类别的地物。 4. 计算机判读与目视判读目的一样,但在判读和识别地物的模式方面,有着明显的不同: 目视判读:主要以图像的空间特征(地物的几何特征和光谱特征的空间反映)为判读依据。 计算机判读:主要以图像像元的灰度(地物光谱特征的直接反映)为判读依据。 10.1 遥感图像计算机分类的基本原理 5.计算机判读实现的思想基础 ① 同类地物具有相同(似)的光谱特征。 不同地物的光谱特征具有明显的差别。由于影响地物光谱特征的因素很多,所以影像的判读分类都是建立在统计分析的基础上的。 ② 同类地物的图像灰度概率在单波段(一维空间)符合正态分布规律。 ③多维图像(即多波段) 同类地物的像元值,即不集中于一点,也绝非是杂乱无章的分布,而是相对地密集在一起,形成一个点群(一个点群就是地物的一种类别)。一般情况下,点群的边界不是截然的,有少部分重叠和交错的情况。 10.1 遥感图像计算机分类的基本原理 特征点集群在特征空间的分布情况。 ① 理想情况——不同类别地物的集群至少在一个特征子空间(即某一波段图像)中是完全可以区分开的。此时,可在相应的子空间图像中采用简单的“图像密度分割的方式”实现分类。 ② 典型情况——不同类别地物的集群在任一子空间中都有相互重叠的现象存在。但在总的特征空间中却是可以完全区分的。(即利用单波段图像不能实现完善分类,而利用多波段图像在多维空间中才可能实现精确的分类。) ③一般情况——无论在任一子空间,还是在总的特征空间,不同类别地物的集群之间总是存在有重叠现象。则重叠部分的特征点所相应的地物,在分类时会出现不同程度的分类误差。 10.1 遥感图像计算机分类的基本原理 Δ利用计算机根据地物光谱特征进行自动判读分类,只要能确定地物类别在特征空间的位置、范围和边界就完成了判读分类的任务。 位置——一个点群的中心,计算图像灰度的均值向量(即数学期望) 范围——计算图像灰度的标准差向量(即点群的离散程度) 边界——应用所谓鉴别函数(边界函数),鉴别图像像元的类别归属。 图像分类与模式识别 模式识别则是人们沿着仿生学的道路,用电子计算机系统作为工具来模拟人类的感知和识别智能。图像分类是模式识别在遥感技术领域中的具体运用 解决模式识别问题的数学方法,一般包括:统计法(决策论方法)、语法结构法(句法方法)、模糊法以及神经网络法。 图像分类理论依据 遥感图像中的同类地物在相同的条件下(纹理、地形等),应具有相同或相似的光谱信息特征和空间信息特征,从而表现出同类地物的某种内在的相似性; 即同类地物像元的特征向量将集群在同一特征空间区域; 而不同的地物其光谱信息特征或空间信息特征将不同,集群在不同的特征空间区域。 关键问题 选择适当的分类规则,通过分类器把图像数据划分为尽可能符合实际情况的不同类别。 确定判别函数和相应的判别准则。 10.1 遥感图像计算机分类的基本原理 (1)找像元的分布特征(如点群中心、位置、规律),并且确定点群的界限。 (2)点群中心是这一类地物类别像元特征值的均值向量。 (3)点群的范围这一类地物类别像元特征值的标准差向量(协方差)。它反映了点的离散程度。 (4)点群的边界是分类过程中决定像元归属的“准则”,称为判别函数。 (5)如果通过选择代表各类的已知样本(训练区)的像元光谱特征事先取得各类

文档评论(0)

xcs88858 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8130065136000003

1亿VIP精品文档

相关文档